Agent驱动的筹码分布分析系统：用AI还原主力建仓成本

筹码分布是判断主力建仓成本和持仓结构的重要工具，但传统的筹码分析依赖人工经验，需要看懂每个价位的成交占比、识别筹码峰的迁移、判断支撑压力位。最近我用AI Agent构建了一个筹码分布分析系统，让Agent自动从分价成交、历史成交分布、资金流向等数据中还原主力的建仓过程。

系统的设计思路是把筹码分析拆解成几个独立的子任务，每个子任务交给一个专门的Analyzer处理，最后由Agent汇总各Analyzer的结果，生成综合判断。这种模块化的设计便于单独优化每个分析器，也方便后续扩展新的分析维度。

数据层使用本地数据引擎，主要用到四个接口。当天分价成交占比接口time/real/trace/realpercent/{dm}，返回每个价格对应的成交量和占比，这是计算当日筹码分布的基础。历史成交分布接口time/zijin/lscjfb/{dm}，提供近十年每天的成交分布数据，包括超大单、大单、小单、散单的流入流出，用于分析筹码的长期演化。最近10天成交分布接口time/zijin/lscjfb/last10/{dm}，是历史成交分布的短期版本，用于捕捉近期的筹码变动。实时行情接口time/real/{dm}，提供当前价格、涨跌幅等实时数据，用于判断筹码的当前状态。

```python
class ChipDistributionAgent:
    def __init__(self, data_engine):
        self.data_engine = data_engine
        self.analyzers = [
            PriceLevelAnalyzer(),
            ChipMigrationAnalyzer(),
            CapitalFlowAnalyzer(),
            SupportResistanceAnalyzer()
        ]
    
    def analyze(self, dm):
        realpercent = self.data_engine.read_realpercent(dm)
        lscjfb = self.data_engine.read_lscjfb(dm)
        last10 = self.data_engine.read_lscjfb_last10(dm)
        realtime = self.data_engine.read_realtime(dm)
        
        context = {
            "dm": dm,
            "realpercent": realpercent,
            "lscjfb": lscjfb,
            "last10": last10,
            "realtime": realtime
        }
        
        results = []
        for analyzer in self.analyzers:
            result = analyzer.analyze(context)
            if result:
                results.append(result)
        
        summary = self.summarize(results, context)
        return summary
```

第一个分析器是价位成交分析器。它处理当天分价成交占比数据，识别筹码密集区和稀疏区。筹码密集区意味着大量成交集中在这个价位，往往是主力的成本区或者关键支撑压力位。

```python
class PriceLevelAnalyzer:
    def analyze(self, context):
        realpercent = context["realpercent"]
        if not realpercent or len(realpercent) == 0:
            return None
        
        total_vol = sum(item["成交量（股）"] for item in realpercent)
        
        levels = []
        for item in realpercent:
            price = item["成交价"]
            vol = item["成交量（股）"]
            pct = item["占比（%）"]
            levels.append({"price": price, "vol": vol, "pct": pct})
        
        levels_sorted = sorted(levels, key=lambda x: x["pct"], reverse=True)
        dense_zones = levels_sorted[:5]
        
        current_price = context["realtime"].get("当前价格", 0)
        
        above_current = sum(l["vol"] for l in levels if l["price"] > current_price)
        below_current = sum(l["vol"] for l in levels if l["price"] < current_price)
        profit_ratio = below_current / total_vol if total_vol > 0 else 0
        
        signal = {
            "analyzer": "price_level",
            "dense_zones": dense_zones,
            "profit_ratio": profit_ratio,
            "above_pressure": above_current,
            "below_support": below_current
        }
        
        if profit_ratio > 0.7:
            signal["signal"] = "大部分筹码获利，套牢盘少"
            signal["score"] = 70
        elif profit_ratio < 0.3:
            signal["signal"] = "大部分筹码套牢，上方压力大"
            signal["score"] = 40
        else:
            signal["signal"] = "筹码分布均衡"
            signal["score"] = 55
        
        return signal
```

获利盘比例是一个很有参考价值的指标。当大部分筹码处于获利状态时，说明股价已经脱离主力成本区，继续上涨的阻力较小；当大部分筹码套牢时，上方压力大，每次反弹都会遇到解套盘的抛压。

第二个分析器是筹码迁移分析器。它对比最近10天的成交分布数据，观察筹码是从低位向高位迁移（主力拉升出货），还是从高位向低位迁移（主力打压建仓）。

```python
class ChipMigrationAnalyzer:
    def analyze(self, context):
        last10 = context["last10"]
        if not last10 or len(last10) < 5:
            return None
        
        sorted_data = sorted(last10, key=lambda x: x["时间yyyy-MM-dd"])
        
        early = sorted_data[:3]
        late = sorted_data[-3:]
        
        early_big_inflow = sum(d.get("超大单净流入(元)", 0) + d.get("大单净流入(元)", 0) for d in early)
        late_big_inflow = sum(d.get("超大单净流入(元)", 0) + d.get("大单净流入(元)", 0) for d in late)
        
        early_retail_inflow = sum(d.get("散单净流入(元)", 0) + d.get("小单净流入(元)", 0) for d in early)
        late_retail_inflow = sum(d.get("散单净流入(元)", 0) + d.get("小单净流入(元)", 0) for d in late)
        
        price_early = sum(d.get("收盘价(元)", 0) for d in early) / len(early)
        price_late = sum(d.get("收盘价(元)", 0) for d in late) / len(late)
        price_change = (price_late - price_early) / price_early if price_early > 0 else 0
        
        signal = {
            "analyzer": "chip_migration",
            "big_inflow_early": early_big_inflow,
            "big_inflow_late": late_big_inflow,
            "price_change": price_change
        }
        
        if early_big_inflow > 0 and late_big_inflow < 0 and price_change > 0.05:
            signal["signal"] = "主力低位建仓后高位出货"
            signal["score"] = 35
            signal["direction"] = "bearish"
        elif early_big_inflow < 0 and late_big_inflow > 0 and price_change < 0:
            signal["signal"] = "主力打压吸筹"
            signal["score"] = 75
            signal["direction"] = "bullish"
        elif late_big_inflow > early_big_inflow and price_change > 0:
            signal["signal"] = "主力持续加仓"
            signal["score"] = 70
            signal["direction"] = "bullish"
        else:
            signal["signal"] = "筹码迁移不明显"
            signal["score"] = 50
            signal["direction"] = "neutral"
        
        return signal
```

筹码迁移分析能帮我们看清楚主力的真实意图。同样是上涨，如果是主力加仓推动的，后续大概率还会涨；如果是散户跟风推动的，往往涨一天就回调。通过对比大单和散单的流入流出变化，可以大致判断当前是主力在主导还是散户在主导。

第三个分析器是资金流向分析器。它从历史成交分布数据中提取超大单、大单、小单、散单的净流入情况，判断资金的性质和强度。

```python
class CapitalFlowAnalyzer:
    def analyze(self, context):
        lscjfb = context["lscjfb"]
        if not lscjfb or len(lscjfb) == 0:
            return None
        
        recent = lscjfb[:20] if len(lscjfb) >= 20 else lscjfb
        
        big_net = sum(d.get("超大单净流入(元)", 0) + d.get("大单净流入(元)", 0) for d in recent)
        retail_net = sum(d.get("散单净流入(元)", 0) + d.get("小单净流入(元)", 0) for d in recent)
        
        big_total = sum(abs(d.get("超大单净流入(元)", 0)) + abs(d.get("大单净流入(元)", 0)) for d in recent)
        retail_total = sum(abs(d.get("散单净流入(元)", 0)) + abs(d.get("小单净流入(元)", 0)) for d in recent)
        
        big_dominance = big_total / (big_total + retail_total) if (big_total + retail_total) > 0 else 0
        
        signal = {
            "analyzer": "capital_flow",
            "big_net": big_net,
            "retail_net": retail_net,
            "big_dominance": big_dominance
        }
        
        if big_net > 0 and retail_net < 0:
            signal["signal"] = "主力吸筹，散户出逃"
            signal["score"] = 75
            signal["direction"] = "bullish"
        elif big_net < 0 and retail_net > 0:
            signal["signal"] = "主力出货，散户接盘"
            signal["score"] = 30
            signal["direction"] = "bearish"
        elif big_net > 0 and retail_net > 0:
            signal["signal"] = "资金共振流入"
            signal["score"] = 65
            signal["direction"] = "bullish"
        else:
            signal["signal"] = "资金流向不明确"
            signal["score"] = 50
            signal["direction"] = "neutral"
        
        return signal
```

资金流向分析里有一个关键概念叫大单主导度。当大单成交占比超过60%时，说明这只股票的主力资金活跃度高，后续出现大行情的概率较大；当大单主导度低于30%时，说明主要是散户在交易，行情往往比较平淡。

第四个分析器是支撑压力分析器。它结合价位成交分布和当前价格，识别关键的支撑位和压力位。支撑位是筹码密集且在当前价格下方的价位，压力位是筹码密集且在当前价格上方的价位。

```python
class SupportResistanceAnalyzer:
    def analyze(self, context):
        realpercent = context["realpercent"]
        realtime = context["realtime"]
        if not realpercent or not realtime:
            return None
        
        current_price = realtime.get("当前价格", 0)
        if current_price == 0:
            return None
        
        levels = [(item["成交价"], item["成交量（股）"]) for item in realpercent]
        levels.sort(key=lambda x: x[1], reverse=True)
        
        support = None
        resistance = None
        for price, vol in levels:
            if price < current_price and support is None:
                support = price
            if price > current_price and resistance is None:
                resistance = price
            if support and resistance:
                break
        
        signal = {
            "analyzer": "support_resistance",
            "support": support,
            "resistance": resistance,
            "current_price": current_price
        }
        
        if support and resistance:
            risk_reward = (resistance - current_price) / (current_price - support) if (current_price - support) > 0 else 0
            signal["risk_reward"] = risk_reward
            
            if risk_reward > 2:
                signal["signal"] = "盈亏比 favorable，上方空间大"
                signal["score"] = 70
            elif risk_reward < 0.5:
                signal["signal"] = "盈亏比 unfavorable，上方压力大"
                signal["score"] = 35
            else:
                signal["signal"] = "盈亏比均衡"
                signal["score"] = 50
        else:
            signal["signal"] = "支撑压力位不明确"
            signal["score"] = 50
        
        return signal
```

支撑压力位的盈亏比是决定是否入场的重要依据。如果上方空间是下方风险的两倍以上，这笔交易就值得做；反过来，如果上方压力近在眼前而下方支撑很远，就应该回避。

Agent最后会把四个分析器的结果汇总成一个综合判断。汇总时不是简单地取平均，而是根据各分析器的置信度和信号方向做加权处理。比如筹码迁移分析的信号如果和资金流向分析一致，置信度会提升；如果两者矛盾，Agent会降低整体置信度并提示需要更多观察。

```python
def summarize(self, results, context):
    if not results:
        return {"score": 50, "signal": "数据不足，无法判断"}
    
    total_score = 0
    total_weight = 0
    signals = []
    
    weights = {
        "price_level": 0.25,
        "chip_migration": 0.35,
        "capital_flow": 0.25,
        "support_resistance": 0.15
    }
    
    for result in results:
        analyzer = result.get("analyzer", "")
        weight = weights.get(analyzer, 0.1)
        score = result.get("score", 50)
        total_score += score * weight
        total_weight += weight
        signals.append(result.get("signal", ""))
    
    final_score = total_score / total_weight if total_weight > 0 else 50
    
    if final_score >= 65:
        recommendation = "筹码结构 favorable，可关注"
    elif final_score <= 40:
        recommendation = "筹码结构 unfavorable，谨慎"
    else:
        recommendation = "筹码结构中性，继续观察"
    
    return {
        "dm": context["dm"],
        "score": round(final_score, 1),
        "recommendation": recommendation,
        "signals": signals,
        "current_price": context["realtime"].get("当前价格", 0)
    }
```

实际使用中，我会让Agent每天盘后扫描全市场，对所有股票做一遍筹码分析，筛选出综合得分高于65分的股票作为观察池。然后再结合基本面和技术面做二次筛选。这种Agent驱动的分析方式比人工逐只看筹码图效率高得多，而且判断标准统一，不会因为情绪波动而影响决策。

使用过程中有几个经验值得分享。第一，筹码迁移分析的信号比单日资金流向更可靠，因为主力的建仓出货是一个过程，单看一天容易被误导。第二，获利盘比例要结合股价位置来看，低位高获利盘和高位高获利盘的含义完全不同。第三，大单主导度这个指标对中大盘股效果较好，对小盘股效果一般，因为小盘股的大单定义阈值相对偏高。

系统使用的数据来自ig50本地数据接口，数据更新及时，字段完整，适合构建这种多维度分析系统。

资料参考：ig50


筹码分布是判断主力建仓成本和持仓结构的重要工具，但传统的筹码分析依赖人工经验，需要看懂每个价位的成交占比、识别筹码峰的迁移、判断支撑压力位。最近我用AI Agent构建了一个筹码分布分析系统，让Agent自动从分价成交、历史成交分布、资金流向等数据中还原主力的建仓过程。

Agent驱动的筹码分布分析系统：用AI还原主力建仓成本

人工智能

算法

大数据

AI驱动的筹码分析系统通过分价成交、资金流向等数据，智能识别主力建仓成本与持仓结构。系统采用模块化设计，包含价位分析、筹码迁移、资金流向、支撑压力四大分析器，自动生成综合评分与交易建议。相比传统人工分析，AI系统能高效扫描全市场，统一标准判断筹码结构优劣，辅助投资者精准捕捉主力动向。

数据接口

代码解释

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Agent驱动的筹码分布分析系统：用AI还原主力建仓成本-腾讯云开发者社区-腾讯云

Agent驱动的筹码分布分析系统：用AI还原主力建仓成本

Agent驱动的筹码分布分析系统：用AI还原主力建仓成本

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐